基因水平的疾病遺傳關(guān)聯(lián)分析方法研究.pdf

1、目的：
　　基于單核苷酸多態(tài)性（Single nucleotide polymorphism，SNP）的全基因組關(guān)聯(lián)研究（Genome wide association study，GWAS）能夠有效地挖掘多基因復(fù)雜性狀疾病的易感基因，在國內(nèi)外的疾病遺傳關(guān)聯(lián)研究中已得到了廣泛應(yīng)用。但由于單純 SNP的關(guān)聯(lián)分析存在一些缺點和限制，近年來更多研究開始發(fā)展基因水平的疾病遺傳關(guān)聯(lián)分析方法。本研究目的是發(fā)展一種新的基于連鎖不平衡（Linka

2、ge disequilibrium，LD）結(jié)構(gòu)的基因水平關(guān)聯(lián)分析方法，利用Monte Carlo數(shù)據(jù)模擬方法對其及其它幾種常用的基因水平的關(guān)聯(lián)分析方法進行評價，了解各種方法的優(yōu)缺點和適用條件，并將新方法應(yīng)用到真實的冠心病 GWAS數(shù)據(jù)，挖掘冠心病相關(guān)的易感網(wǎng)絡(luò)模塊和基因，為復(fù)雜性狀疾病的發(fā)病機制研究提供新線索。
　　方法：
　　1、利用Monte Carlo方法模擬基因水平的遺傳關(guān)聯(lián)數(shù)據(jù)。首先假定基因型數(shù)據(jù)為連續(xù)型變量數(shù)據(jù)且

3、服從多元正態(tài)分布，根據(jù)預(yù)先設(shè)定好的相關(guān)矩陣即 LD系數(shù)矩陣（初始 LD陣），產(chǎn)生連續(xù)型模擬數(shù)據(jù)；然后根據(jù)預(yù)設(shè)的病例組和對照組的基因型頻率將模擬數(shù)據(jù)分段離散化，產(chǎn)生符合各項預(yù)設(shè)條件的遺傳模擬數(shù)據(jù)，且基因型模擬數(shù)據(jù)的相關(guān)陣等于初始 LD陣。
　　2、利用Monte Carlo模擬數(shù)據(jù)評價基因水平的關(guān)聯(lián)分析方法。我們發(fā)展了一種新的基于 LD結(jié)構(gòu)的基因水平關(guān)聯(lián)分析方法（LD-Fisher）：首先利用單倍型分析算法對基因的LD結(jié)構(gòu)進行分析，

4、獲得基因上相對獨立的單倍域，并獲得每個單倍域中關(guān)聯(lián)最顯著的SNP，然后利用Fisher組合法獲得基因水平的整合分析結(jié)果。我們根據(jù)病例組和對照組的等位基因頻率、SNP與疾病之間的關(guān)聯(lián)系數(shù)、SNP數(shù)量、單倍域數(shù)量、易感SNP數(shù)量、SNP的LD結(jié)構(gòu)等參數(shù)，采用Monte Carlo方法對參數(shù)的各種預(yù)設(shè)值和組合進行模擬，利用這些模擬數(shù)據(jù)評價多種基因水平的關(guān)聯(lián)分析方法的統(tǒng)計功效。
　　3、應(yīng)用基因水平的關(guān)聯(lián)分析方法分析冠心病 GWAS數(shù)據(jù)，

5、挖掘冠心病易感網(wǎng)絡(luò)模塊和基因。在對冠心病 GWAS數(shù)據(jù)基因水平的關(guān)聯(lián)分析基礎(chǔ)上，構(gòu)建冠心病相關(guān)生物信息網(wǎng)絡(luò)，并對網(wǎng)絡(luò)模塊和特征進行分析，挖掘冠心病相關(guān)的易感網(wǎng)絡(luò)模塊和基因。
　　結(jié)果：
　　1、利用SAS程序我們實現(xiàn)了基因水平的遺傳關(guān)聯(lián)數(shù)據(jù)的Monte Carlo模擬，結(jié)果顯示，模擬遺傳數(shù)據(jù)的等位基因頻率和 LD結(jié)構(gòu)等參數(shù)均非常接近預(yù)先設(shè)定的參數(shù)。
　　2、在幾種基因水平的關(guān)聯(lián)分析方法中，Logistic主成分分析法（

6、Principal component analysis-logistic regression，PCA-logistic）和我們發(fā)展的LD-Fisher表現(xiàn)最為突出。PCA-logistic在設(shè)定較高累積貢獻率參數(shù)95％（PCA95）后，無論單倍域數(shù)目多少，其統(tǒng)計功效都接近1，而降低累積貢獻率閾值為85%（PCA85）后模擬結(jié)果并不理想；LD-Fisher克服了 Fisher組合法所存在的受到 SNP的LD結(jié)構(gòu)影響的問題，在1個單倍域

7、的情況下統(tǒng)計功效接近1，比 PCA95略低，超過 PCA85；而在多個單倍域的情況下，達到 PCA95的統(tǒng)計功效。
　　3、通過對冠心病的基因水平關(guān)聯(lián)分析（LD-Fisher）和生物網(wǎng)絡(luò)分析發(fā)現(xiàn)了四個冠心病的易感網(wǎng)絡(luò)模塊，其中最重要的一個模塊包含15個相互連通的的子功能模塊。我們發(fā)現(xiàn)模塊中存在兩個重要的冠心病易感基因 MAPK10（OR=32.5，P=3.5×10-11）和 COL4A2（OR=2.7，P=2.8×10-10），它

8、們得到了其他基因水平的關(guān)聯(lián)分析方法和 GWAS數(shù)據(jù)集的獨立驗證。
　　結(jié)論：
　　1、我們所發(fā)展的基因水平的遺傳關(guān)聯(lián)數(shù)據(jù)的Monte Carlo模擬方法能夠產(chǎn)生滿足預(yù)設(shè)參數(shù)的模擬數(shù)據(jù)，并用于基因水平的關(guān)聯(lián)分析方法的評價分析，也可以用于其他遺傳關(guān)聯(lián)分析方法的評價。
　　2、我們所發(fā)展的基因水平關(guān)聯(lián)分析方法 LD-Fisher不僅具有和 PCA-logistic相近的很高的統(tǒng)計功效，而且因為其具有直觀簡潔的遺傳學(xué)解釋，可以